Introduction

Ce projet est rĆ©alisĆ© dans le cadre de la matiĆØre Visualisation de donnĆ©es enseignĆ©e Ć  l’UniversitĆ© de Technologie de Troyes.

Notre analyse porte sur le World Happiness Report, une enquête annuelle qui récolte des données du monde entier pour indiquer comment les gens évaluent leur propre vie dans plus de 150 pays du globe. Le but de notre projet est de concevoir les meilleures visualisations possibles pour analyser les données du World Happiness Report et pour mettre en valeur les informations qui en découlent.

Lien des datasets

Le dernier dataset apporte des indicateurs supplĆ©mentaires sur ce qui est susceptible de provoquer le bonheur des populations (prix de la vie, soleil, obĆ©sité…). Cependant, il ne comporte uniquement les donnĆ©es de 2021, ainsi nous pourrons seulement le comparer avec le dataset qui comporte les donnĆ©es du World Happiness Report de 2021. Cela nous permettra d’apporter une nouvelle dimension Ć  notre analyse.

DonnƩes

Le jeu de donnĆ©es que nous avons choisi d’étudier est issu d’une enquĆŖte de rĆ©fĆ©rence sur l’état du bonheur dans le monde. Il comporte des donnĆ©es de 2015 Ć  2021, et classe 155 pays selon leur niveau de bonheur. Il permet d’établir une corrĆ©lation entre diffĆ©rents critĆØres (libertĆ©, corruption, cadre de vie…) et le niveau de bonheur qui en dĆ©coule.

Les jeux de donnƩes initiaux comportent 13 variables :

Variable Class Description
country character Nom du pays
region character RƩgion Ơ laquelle le pays appartient
hapiness rank integer Classement du pays sur la base du score du bonheur
hapiness score double Un indicateur mesurĆ© chaque annĆ©e en posant aux personnes de l’échantillon la question suivante : ā€œComment Ć©valuez-vous votre bonheur sur une Ć©chelle de 0 Ć  10 où 10 est le plus heureuxā€
lower confidence interval double Intervalle de confiance infƩrieur du score de bonheur
upper confidence interval double Intervalle de confiance supƩrieur du score de bonheur
economy (GPD per capita) double La mesure dans laquelle le PIB contribue au calcul du score du bonheur
family double La mesure dans laquelle la famille contribue au calcul du score du bonheur
health (life expectancy) double La mesure dans laquelle l’espĆ©rance de vie a contribuĆ© au calcul du score du bonheur
freedom double La mesure dans laquelle la libertƩ a contribuƩ au calcul du score du bonheur
trust (governement corruption) double La mesure dans laquelle la perception de la corruption contribue au score de bonheur
generosity double La mesure dans laquelle la gƩnƩrositƩ a contribuƩ au calcul du score de bonheur
dystopia residual double ā€œRĆ©siduā€ correspondant Ć  l’écart entre le modĆØle thĆ©orique et la rĆ©alitĆ©, auquel on ajoute un score de dystopie (score d’un pays hypothĆ©tique moins bien classĆ© que tous les autre)

Par la suite, nous avons ajoutƩ plusieurs donnƩes nƩcessaires Ơ la crƩation de cartes : les coordonnƩes gƩographiques des pays, ainsi que leur gƩomƩtrie, afin de pouvoir colorier les surfaces des pays sur les cartes. Nous avons Ʃgalement ajoutƩ une colonne indiquant le continent sur lequel se trouve chaque pays.

L’ensemble des donnĆ©es utilisĆ©es est disponible dans le dossier /data/

Ces donnĆ©es nous semblent pertinentes dans le cadre d’une analyse car :

  • Elles sont analysables dans le temps
  • Elles sont analysables gĆ©ographiquement
  • Elles permettent d’étudier diffĆ©rents facteurs de contribution au bonheur en fonction des rĆ©gions du monde, des cultures…

Plan d’analyse

  1. Classements : Quels sont les pays et régions du monde les mieux classés en matière de bonheur global ?

  2. Analyse temporelle : Comment évolue le bonheur moyen au fil des années ? (en regroupant par région, en utilisant des facet charts pour visualiser les différentes années en même temps)

  3. Analyse factorielle : Le niveau de bonheur est-il directement corrĆ©lĆ© Ć  la libertĆ© des individus ? āž”ļø Question extensible Ć  la richesse, Ć  l’espĆ©rance de vie…

  4. Analyse gĆ©ographique : Y’a-t-il des rĆ©gions du monde moins heureuses que d’autres ? Pourquoi ? āž”ļø Utiliser les facteurs de contribution du score pour mettre en Ć©vidence des causes de disparitĆ©

  5. Quelle combinaison de facteurs hauts entraĆ®ne une hausse du bonheur ? Quelle combinaison de facteurs bas entraĆ®ne une diminution de celui-ci ? (par exemple: avoir une espĆ©rance de vie Ć©levĆ©e ET un PIB Ć©levĆ© ET un taux de libertĆ© elevĆ© implique-t-il nĆ©cessairement un haut niveau de bonheur, au-dessus d’un certain seuil ?)

Nettoyage des donnƩes

Le nettoyage des jeux de donnĆ©es est la premiĆØre Ć©tape du projet, et certainement l’une des plus importantes. Nous nous en sommes rendus compte aprĆØs avoir essayĆ© de concevoir des graphiques avec les jeux de donnĆ©es bruts : nous avons Ć©tĆ© trĆØs vite restreints, d’un cĆ“tĆ© car il Ć©tait impossible d’analyser les donnĆ©es temporellement car les donnĆ©es Ć©taient sĆ©parĆ©es dans des datasets diffĆ©rents, et de l’autre parce que les noms des variables comportaient des espaces et diffĆ©raient d’un dataset Ć  l’autre.

Afin de pouvoir travailler efficacement, nous avons opƩrƩ le nettoyage suivant :

  1. Nous avons commencĆ© par analyser tous les datasets pour voir si les donnĆ©es nommĆ©es de la mĆŖme maniĆØre correspondent Ć  la mĆŖme chose (ce qui n’était pas toujours le cas). Parfois, la variable ā€œfreedomā€ d’un dataset correspondait Ć  la variable ā€œexplained_by_freedomā€ d’un autre dataset.

  2. Nous avons ensuite renommé toutes les colonnes de tous les datasets de la même manière selon la convention définie ci-dessous.

  3. Nous avons fusionnĆ© l’ensemble des datasets de maniĆØre Ć  travailler sur un seul tableau propre Ć  l’aide de filtres par la suite. Nous avions au prĆ©alable ajoutĆ© une variable Year car cette donnĆ©e n’était pas fournie Ć  l’intĆ©rieur des datasets et nous aurions mĆ©langĆ© toutes les donnĆ©es lors de la fusion des datasets.

  4. Afin de pouvoir travailler avec des cartes, nous avons Ć©tĆ© contraints d’ajouter pour chaque pays des donnĆ©es gĆ©omĆ©triques et GPS.

Convention de nommage des colonnes

  • Le nom des colonnes commence par une Majuscule
  • Les espaces sont remplacĆ©s par un underscore ā€œ_ā€

ƀ savoir

Avant de commencer l’analyse dĆ©taillĆ©e du jeu de donnĆ©es, il y a quelques informations Ć  connaĆ®tre.

  1. Comme nous allons analyser le score de bonheur des rƩgions, nous avons jugƩ utile de prƩsenter la liste des pays de chaque rƩgion :
Region Countries
Australia and New Zealand Australia, New Zealand
Central and Eastern Europe Albania, Armenia, Azerbaijan, Belarus, Bosnia and Herzegovina, Bulgaria, Croatia, Czech Republic, Estonia, Georgia, Hungary, Kazakhstan, Kosovo, Kyrgyzstan, Latvia, Lithuania, Macedonia, Moldova, Montenegro, Poland, Romania, Russia, Serbia, Slovakia, Slovenia, Tajikistan, Turkmenistan, Ukraine, Uzbekistan
Eastern Asia China, Hong Kong, Japan, Mongolia, South Korea, Taiwan
Latin America and Caribbean Argentina, Bolivia, Brazil, Chile, Colombia, Costa Rica, Dominican Republic, Ecuador, Guatemala, Haiti, Honduras, Jamaica, Mexico, Nicaragua, Panama, Paraguay, Peru, Salvador, Suriname, Trinidad and Tobago, Uruguay, Venezuela
Middle East and Northern Africa Algeria, Bahrain, Egypt, Iran, Iraq, Israel, Jordan, Kuwait, Lebanon, Libya, Morocco, Oman, Palestinian Territories, Qatar, Saudi Arabia, Syria, Tunisia, Turkey, United Arab Emirates, Yemen
North America Canada, United States
Southeastern Asia Cambodia, Indonesia, Laos, Malaysia, Myanmar, Philippines, Singapore, Thailand, Vietnam
Southern Asia Afghanistan, Bangladesh, Bhutan, India, Nepal, Pakistan, Sri Lanka
Sub-Saharan Africa Angola, Benin, Botswana, Burkina Faso, Burundi, Cameroon, Central African Republic, Chad, Comoros, Congo (Brazzaville), Congo (Kinshasa),Djibouti, Ethiopia, Gabon, Ghana, Guinea, Ivory Coast, Kenya, Lesotho, Liberia, Madagascar, Malawi, Mali, Mauritania, Mauritius, Mozambique, Niger, Nigeria, Rwanda, Senegal, Sierra Leone, Somaliland región, South Africa, Sudan, Swaziland, Tanzania, Togo, Uganda, Zambia, Zimbabwe
Western Europe Austria, Belgium, Cyprus, Denmark, Finland, France, Germany, Greece,Iceland, Ireland, Italy, Luxembourg, Malta, Netherlands, North Cyprus, Norway, Portugal, Spain, Sweden, Switzerland, United Kingdom
  1. Qu’est ce que le bonheur ?

Avant d’étudier le World Happiness Report, il est important de dĆ©finir ce qu’est le bonheur, car il peut s’agir d’une notion assez subjective.

Le bonheur est un Ć©tat Ć©motionnel agrĆ©able, Ć©quilibrĆ© et durable dans lequel se trouve quelqu’un qui estime ĆŖtre parvenu Ć  la satisfaction des aspirations et dĆ©sirs qu’il juge importants. Il perƧoit alors sa propre situation de maniĆØre positive et ressent un sentiment de plĆ©nitude et de sĆ©rĆ©nitĆ©, sans stress ni inquiĆ©tude. Cette impression ressentie, indispensable Ć  la survie des mammifĆØres, est principalement le rĆ©sultat de la production de sĆ©rotonine, rĆ©duisant la prise de risques et poussant ainsi l’individu Ć  maintenir une situation qui lui est favorable. Le bonheur ne doit pas ĆŖtre confondu avec la sensation passagĆØre de plaisir, issue principalement de la production de dopamine et non de sĆ©rotonine, mais reprĆ©sente au contraire un Ć©tat d’équilibre, agrĆ©able, qui dure dans le temps.

Source : Wikipedia

  1. Est-ce que les donnƩes rƩcoltƩes sont vraiment objectives ?

La principale question posĆ©e lors des enquĆŖtes sur le bonheur est : ā€œImaginez une Ć©chelle avec des barreaux numĆ©rotĆ©s de zĆ©ro en bas Ć  dix en haut. Le barreau du haut reprĆ©sente la meilleure vie possible pour vous, et le barreau du bas la pire vie possible pour vous. Sur quel barreau pensez-vous vous tenir Ć  ce moment de votre vie ?ā€. Connue sous le nom d’échelle de Cantril, cette Ć©valuation du bien-ĆŖtre, ainsi que la formulation prĆ©cise de la question, constitue un standard commun pour les recherches sur le bien-ĆŖtre subjectif. En effet, le bonheur est une notion trĆØs subjective, et peut rapidement ĆŖtre faussĆ©e par les petits Ć©vĆ©nements du quotidien. Si on pose la question Ć  quelqu’un qui vient d’avoir un F en IF36 et qui a loupĆ© son train pour rentrer chez ses parents Ć  Toulouse, il y a beaucoup de chances que sa rĆ©ponse soit influencĆ©e par ses troubles actuels. Pourtant, ils ne dĆ©finissent pas le bonheur sur le long terme de l’individu, seulement il est difficile pour l’homme d’avoir une vision d’ensemble sur sa vie. Ainsi, l’échelle de Cantril semble ĆŖtre selon les experts la mesure la plus fructueuse du bonheur des individus.

Il faut donc garder Ć  l’esprit que les donnĆ©es constituent une auto-Ć©valuation des individus, ainsi elles sont par dĆ©faut subjectives. Cependant, elles tendent Ć  ĆŖtre comparables grĆ¢ce Ć  l’échelle de Cantril, qui nous offre la mesure la plus universelle possible du bonheur.

Sources : Cairn.info & Our World in Data

I) Classements : Quels sont les pays et régions du monde les mieux classés en matière de bonheur ?

Dans cette partie, nous identifierons les régions du monde et les pays où la population est la plus heureuse. Nous pourrons comparer ces classements avec les informations que nous obtiendrons suite à notre analyse factorielle, de sorte à observer si les populations les plus riches, libres, généreuses, etc. sont aussi les plus heureuses.

Les visualisations rƩalisƩes

1. Classement des rƩgions en fonction de leur score de bonheur

1. Classement des pays en fonction de leur score de bonheur

1. Top 10 des pays les plus heureux

2. Top 10 des pays les moins heureux

II) Analyse temporelle : Comment Ʃvolue le bonheur moyen au fil des annƩes ?

Cette deuxiĆØme partie s’attachera Ć  rĆ©pondre Ć  la question ā€œComment a Ć©voluĆ© le bonheur au fil des annĆ©es disponibles dans notre dataset (de 2015 Ć  2021) ?ā€ Le dĆ©roulement de l’analyse nous amĆØnera par la suite Ć  diviser cette question en plusieurs sous-questions moins vastes.

Les visualisations rƩalisƩes

1. L’évolution du bonheur moyen dans le monde

Nous commencerons cette analyse par la visualisation du bonheur moyen au niveau mondial. La visualisation suivante est donc construite Ơ partir de la moyenne globale des scores de bonheur de tous les pays chaque annƩe.

Attention : On peut penser Ć  premiĆØre vue que la variation du bonheur moyen au fil des ans est importante. Il est important de prendre en compte l’échelle de l’axe des ordonnĆ©es : la variation est en rĆ©alitĆ© relativement faible, cette Ć©chelle ayant prĆ©cisĆ©ment Ć©tĆ© choisie pour qu’elle soit plus visuelle.

Ce graphique nous indique que le niveau moyen de bonheur dans le monde observe une tendance à la hausse, hormis une légère baisse en 2017.

Fait intĆ©ressant, on n’observe pas de baisse en 2020, annĆ©e d’apparition du Covid-19 et de confinements gĆ©nĆ©ralisĆ©s dans de nombreux pays. On peut cependant s’interroger sur la reprĆ©sentativitĆ© de ce rĆ©sultat au vu de la moyenne globale effectuĆ©e. Qu’en est-il lorsque nous nous plaƧons Ć  l’échelle des diffĆ©rentes rĆ©gions du monde ?

2. L’analyse temporelle par rĆ©gion du monde

Cette seconde visualisation s’attache Ć  rĆ©pondre Ć  la question plus prĆ©cise de l’évolution du score de bonheur moyen par rĆ©gion, chaque ligne reprĆ©sentant les donnĆ©es d’une rĆ©gion. On transforme pour cela nos donnĆ©es de sorte Ć  les regrouper par annĆ©e ET par rĆ©gion, puis on calcule la moyenne du score de bonheur par rĆ©gion pour chaque annĆ©e.

On peut donc observer l’évolution des scores de bonheur obtenus via ce regroupement par la visualisation suivante :

On a ajoutĆ© Ć  ces donnĆ©es triĆ©es par rĆ©gion la moyenne mondiale. On peut donc effectuer simplement des comparaisons (en cliquant sur l’étiquette d’une rĆ©gion pour la faire apparaĆ®tre/disparaĆ®tre notamment) entre les diffĆ©rentes rĆ©gions.

On se rend ici aisĆ©ment compte qu’il ne fallait pas se contenter d’une moyenne globale, et qu’une moyenne par rĆ©gion nous montre des disparitĆ©s bien plus importantes quant Ć  l’évolution du niveau de bonheur dans le monde au cours des derniĆØres annĆ©es.

L’Asie du Sud, par exemple, observe une tendance Ć  la baisse de son score de bonheur depuis 2017, tandis que l’Europe occidentale observe une tendance Ć  la hausse sur cette mĆŖme pĆ©riode.

Pour terminer sur cet aspect de l’évolution du score de bonheur, une visualisation est disponible sur notre application Rshiny pour dĆ©tailler l’évolution du score Ć  l’échelle de diffĆ©rents pays spĆ©cifiques:

[InsƩrer visu Rshiny]

3. Les pays dont le niveau de bonheur a le plus augmenté au cours des dernières années

La visualisation suivante s’attache aux pays ayant connu une hausse de leur score de bonheur entre 2015 et 2021. Elle reprĆ©sente les 10 taux d’accroissement de ce score les plus importants, en prenant le score de 2015 comme rĆ©fĆ©rence (un taux d’accroissement de 20% signifie donc qu’en 2021, le score de bonheur du pays est 20% plus Ć©levĆ© qu’en 2015).

EXPLICATIONS

Voyons maintenant le rƩsultat pour les pays dont le score a le plus chutƩ entre 2015 et 2021 :

EXPLICATIONS

4. La rƩpartition du niveau de bonheur des diffƩrentes rƩgions du monde chaque annƩe

Analyse temporelle ou gƩographique ???

Cet histogramme permet de visualiser le score de bonheur le plus prĆ©sent dans une rĆ©gion. Le score de chaque pays est arrondi Ć  l’entier le plus proche. Le graphique prend donc compte de chacun des scores de bonheur individuel de chaque pays, puis les regroupe par rĆ©gions.

On remarque que la plupart des rĆ©gions du monde voient le score de bonheur des diffĆ©rents pays rĆ©partis sur trois scores de bonheur diffĆ©rents. Cependant les scores de bonheur sont souvent consĆ©cutifs (3-4-5, 2-3-4,..) ce qui montre un lien Ć©vident entre le score de bonheur d’un pays et la rĆ©gion du monde dans laquelle il se situe. On constate aussi que depuis 2018, en l’AmĆ©rique latine le score de bonheur est Ć  6 pour une trĆØs grande majoritĆ© des pays. La rĆ©gion est donc assez Ć©quilibrĆ©e tout comme l’Australie et la Nouvelle-ZĆ©lande qui ont un score de bonheur a 7 depuis 2015. L’Europe de l’Est quant Ć  elle est toujours la seule Ć  avoir dans certains pays un score de bonheur Ć  8. Les rĆ©gions les moins heureuses d’aprĆØs les graphique sont depuis 2015, l’Afriquesubsaharienne et l’Asie du Sud. L’Afrique du Nord et de l’Est semble voir son score de bonheur augmenter au fil des annĆ©es.

4. Le score de bonheur moyen par rƩgion chaque annƩe

La visualisation suivante reprĆ©sente l’évolution au cours des annĆ©es du score de bonheur moyen de chaque rĆ©gion. Non, ces graphes ne sont pas identiques ;) L’intĆ©rĆŖt principal de ce graphique est de constater en un coup d’oeil que les scores moyens par rĆ©gions restent trĆØs stables. Les rĆ©gions ont Ć©tĆ© ordonnĆ©es par ordre dĆ©croissant, de la rĆ©gion possĆ©dant le meilleur score Ć  celle possĆ©dant le moins bon.

II) Analyse factorielle : Quels facteurs contribuent le plus au bonheur dans le monde ?

Les scores de bonheur prĆ©cĆ©demment mis en lumiĆØre s’expliquent par diffĆ©rents facteurs :

Le jeu de donnĆ©es possĆØde des champs dĆ©crivant le niveau de contribution de chacun de ces facteurs au score du bonheur (tous les champs dont le nom commence par Explained_by_…).

En plus de ces champs, les jeux de donnĆ©es des annĆ©es 2020 et 2021 possĆØdent des champs donnant des valeurs pour ces facteurs (Generosity, Freedom, Life_expectancy…).

Cette partie s’attachera donc Ć  tenter d’observer les corrĆ©lations pouvant exister entre ces facteurs et un score de bonheur Ć©levĆ© ou non.

Pour chacun des facteurs Ć©tudiĆ©s, nous nous attendons Ć  observer une corrĆ©lation linĆ©aire positive : plus une population est riche, en bonne santĆ©, libre, entourĆ©e et gĆ©nĆ©reuse, plus elle est censĆ©e ĆŖtre heureuse, n’est-ce pas ?

Les visualisations rƩalisƩes

1. La corrƩlation de chaque facteur et le score de bonheur des pays du monde

L’ensemble des visualisations suivantes sont rĆ©alisĆ©es avec les donnĆ©es de l’annĆ©e 2021, car ce sont les donnĆ©es les plus rĆ©centes que nous possĆ©dons Ć  ce jour.

CommenƧons par le facteur ā€œLibertĆ©ā€: la visualisation suivante est un graphique en nuage de points, prĆ©sentant en abscisse les valeurs enregistrĆ©es pour le facteur ā€œlibertĆ©ā€ et en ordonnĆ©e les valeurs de score de bonheur correspondantes pour chaque pays.

On constate immĆ©diatement Ć  la visualisation de ce graphique que le sentiment de libertĆ©, comme on pouvait lĆ©gitimement s’y attendre, est bien corrĆ©lĆ© positivement au score de bonheur des diffĆ©rents pays. Plus les habitants d’un pays se sentent libres, plus ils sont heureux.

Effectuons la mĆŖme analyse pour le PIB par habitant, l’espĆ©rance de vie et le soutien social :

On peut encore une fois observer une corrƩlation positive entre ces derniers facteurs et le score de bonheur.

Concernant le facteur de confiance en le gouvernement, nous avons Ć©tĆ© surpris de constater Ć  premiĆØre vue une corrĆ©lation nĆ©gative : des habitants en accord avec leur rĆ©gime politique ne seraient pas plus heureux qu’une population soumise Ć  une dictature ? Cela ne fait pas beaucoup de sens, ainsi nous nous sommes rendus compte que certains jeux de donnĆ©es comprennaient non pas le facteur ā€œConfiance dans le gouvernementā€ mais ā€œPerception de corruptionā€. Nous avons alors harmonisĆ© toutes les donnĆ©es pour construire la visualisation suivante :

On constate bien que plus les habitants ressentent de la corruption dans leur pays, moins ils sont heureux. Autrement dit, plus les habitants ont confiance en leur gouvernement, plus ils sont heureux.

Cependant, chacun des facteurs fournis dans ce dataset ne contribue par nƩcessairement grandement au score de bonheur.

En effet, voici le graphique de corrĆ©lation obtenu pour le facteur ā€œGĆ©nĆ©rositĆ©ā€ :

On constate cette fois-ci, et Ć  l’inverse des graphes prĆ©cĆ©demment Ć©tudiĆ©s, que les valeurs sont relativement Ć©parpillĆ©es et ne permettent pas d’établir une corrĆ©lation entre la gĆ©nĆ©rositĆ© et le score de bonheur.
Ce facteur sont donc a priori moins impactants sur les variations de score entre les diffƩrents pays.

2. La corrĆ©lation entre les diffĆ©rents facteurs proposĆ©s dans un dataset supplĆ©mentaire et les scores de bonheur de l’annĆ©e 2021

Le dataset spĆ©cifique Ć  l’annĆ©e 2021 prend en compte diffĆ©rents facteurs supplĆ©mentaires. En effet on y trouve : le temps d’ensoleillement annuel de la ville, son taux de pollution, le prix de l’eau, le niveau d’obĆ©sitĆ© du pays, le temps de travail moyen, le nombre d’activitĆ©s en extĆ©rieur.

Le graphique qui suit montre la corrƩlation Ʃventuelle entre le score de bonheur et le niveau de pollution de la ville. Les villes sont rassemblƩes par rƩgions du monde.

On constate une corrélation assez claire entre les deux facteurs. Plus le niveau de pollution est faible plus le score de bonheur est élevé. Le niveau de pollution semble donc être un facteur impactant le score de bonheur.

Le dataset complĆ©ment de 2021 propose aussi une colonne donnant le prix de l’eau des diffĆ©rentes villes. A nouveau si on compare ce chiffre avec le score de bonheur de la ville en question nous pouvons voir une corrĆ©lation assez surprenante. En effet, les lieux ou le prix de l’eau est le plus faible sont les lieux avec le score de bonheur le plus faible. On peut alors penser que plus le prix de l’eau est Ć©levĆ© plus le pays est riche et dĆ©veloppĆ© ce qui peut ĆŖtre un facteur important du score de bonheur.

Afin de vĆ©rifier l’observation faites suite au graphique prĆ©cĆ©dent il peut ĆŖtre interessant d’observer la courbe du PIB par habitant en fonction du prix de l’eau.

Le graphique est en accord avec ce qui avait Ć©tĆ© observĆ©. En effet, plus le PIB est Ć©levĆ© plus le prix de l’eau augmente ce qui entraine une forme de corrĆ©lation entre le prix de l’eau et le score de bonheur.

III) Analyse gĆ©ographique : Y’a-t-il des rĆ©gions du monde moins heureuses que d’autres ?

Dans cette partie, le but est de dĆ©terminer si le bonheur a des prĆ©fĆ©rences gĆ©ographiques, et d’identifier les critĆØres qui rendent les populations de rĆ©gions spĆ©cifiques plus heureuses que les autres.

Les visualisations rƩalisƩes

  1. Un boxplot qui indique la distribution des scores de bonheur de chaque rƩgion

  2. Une carte du monde colorƩe par pays en fonction du score de bonheur (avec leaflet)

  3. Faire des scatterplots pour les différents critères en fonction du niveau de bonheur par région (moyenne sur toutes les années ou évolution dans le temps ?)

La distribution des scores de bonheur de chaque rƩgion chaque annƩe

La visualisation du boxplot nous permet de situer rapidement les scores de bonheurs des pays d’une mĆŖme rĆ©gion. On constate en un coup d’oeil que les 3 rĆ©gions du monde les plus heureuses sont la Nouvelle ZĆ©lande, l’AmĆ©rique du Nord et l’Europe de l’Ouest.

Le bonheur dans le monde

IV) Quelle combinaison de facteurs hauts entraƮne une hausse du bonheur ?